买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明提出了一种基于改进的Transformer网络的跌倒检测方法，主要解决现有方法对于测量环境和设备要求较高且检测精度不佳的问题。方案包括：1获取行为数据并对其进行预处理和标注，生成数据集；2利用深度学习框架搭建平台，修改网络位置编码模块，增加lstm层，优化交叉熵损失函数，构建改进的神经网络模型；3将数据集划分为训练集、验证集和测试集，并利用训练集训练构建的模型，得到训练好的检测模型；4将测试数据输入到训练好的模型中，得到最终检测结果。本发明在进行跌倒行为检测时，增加了局部信息的获取能力，同时减小了过拟合的风险，在保证神经网络模型对人体跌倒行为检测精确率的同时提高了检测速度。

主权项：1.一种基于改进的Transformer网络的跌倒检测方法，其特征在于，该检测方法包括如下步骤：1生成跌倒行为数据集：1a调取正常和跌倒行为数据并保存，对其进行以行为单位的数据处理，获取每行数据的加速度、角速度、环境光值和所属行为类别信息；1b根据行为类别信息确定行为数据所属类别标签，对所有行为数据进行标注，得到标注好的行为数据片段；1c将标注好的正常和跌倒行为数据片段和其对应的行为类别标签共同组成数据集；2基于transformer网络构建mtransformer深度神经网络：2a在transformer网络中去除解码器，仅保留由输入模块、位置编码模块、编码模块、分类模块四部分组成的编码器，作为特征提取和分类操作的核心网络，其中：输入模块用于将初始输入数据转化为向量输入；位置编码模块由密集连接层和嵌入层串联组成；编码模块由8个相同的子编码模块重复串联构成，每个子编码模块由归一化层、多头注意力机制、归一化层、全连接层、丢弃层依次串联组成；分类模块由归一化层、展平层flatten、丢弃层、归一化层、全连接层、丢弃层、全连接层依次串联组成；2b在transformer网络中去除三角函数绝对位置编码，并增加元素块patch为[1,36]的相对位置编码，将输入向量中原本的坐标依赖，转变为使用相对位置距离坐标差的依赖；2c在每一个子编码模块的多头注意力机制之前加入长短时记忆网络层LSTM；2d优化交叉熵损失函数，将其修改为超参数为0.05的标签平滑交叉熵损失函数，并对标签进行加权和，得到mtransformer深度神经网络模型；3训练mtransformer深度神经网络模型；将步骤1得到的数据集划分为训练集、验证集和测试集三部分，其训练集占比最大；将训练数据集输入到mtransformer深度神经网络，采用梯度下降法，训练调整网络参数，直到mtransformer深度神经网络中的损失函数趋于收敛，且收敛值在0.1到0.3之间，此时，得到训练好的跌倒行为检测mtransformer深度神经网络模型；4对跌倒行为进行检测：将待检测的正常和跌倒行为测试集数据输入到训练好的跌倒行为检测mtransformer深度神经网络模型中，编码模块接收输入模块传递的原始行为数据向量和位置信息，并将输出的行为特征信息输入到分类模块中进行预测，分别得到待检测行为属于每种不同行为类别的概率，选择其中概率最大的行为类别作为最终输出结果，即检测结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于改进的Transformer网络的跌倒检测方法